Transfer Learning GAN
Transfer Learning GAN initialisiert ein Generatives Adversarielles Netzwerk – oder sowohl seinen Generator als auch seinen Diskriminator – aus Gewichten, die auf einem großen Quell-Datensatz vortrainiert wurden, und verfeinert dann das Netzwerk auf einem kleineren Ziel-Datensatz. Dieser Ansatz ermöglicht qualitativ hochwertige generative Modellierung, selbst wenn Zieldomänen-Daten spärlich sind, indem niedrig- und mittelstufige Merkmalsrepräsentationen wiederverwendet werden, die in großem Maßstab gelernt wurden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A. & Bengio, Y. (2014). Generative Adversarial Nets. Advances in Neural Information Processing Systems (NeurIPS), 27, 2672–2680. link ↗
- Wang, Y. & Ramanan, D. (2018). Transferring GANs: generating images from limited data. European Conference on Computer Vision (ECCV), 11205, 220–236. DOI: 10.1007/978-3-030-01231-1_14 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/de/deep-learning/transfer-learning-gan
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Domänen-adaptiver GANDeep Learning↔ compare
- Fine-Tuned Generative Adversarial NetworkDeep Learning↔ compare
- Generative Adversarial NetworkDeep Learning↔ compare
- Transfer Learning mit Convolutional Neural NetworkDeep Learning↔ compare
- Transfer Learning mit DiffusionsmodellenDeep Learning↔ compare
- Variationaler AutoencoderDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →